论文部分内容阅读
胶囊网络是深度学习领域中最令人激动的创新,它通过将特征堆叠成向量中来表示不同特征之间的相关关系,并使用了动态路由算法计算相邻胶囊层之间的耦合系数。但是原始的胶囊网络中是存在缺点的,在原始的胶囊网络中胶囊维度是固定,而胶囊维度的多少和其包含的信息量是有关的,固定维度的胶囊并不能很好阐述胶囊的概念和表述模型的良好。针对胶囊网络这一缺点,我们提出了可变维度的胶囊网络这一想法,进行了简单的改进和初步的实验后,可变维度的胶囊在简单的数据集上取得了令人满意的效果,但也在较复杂的数据集上得到较差的结果。我们分析了